Share
Embed
知能とはなにか ヒトとAIのあいだ〜人間の脳と生成AIの現実シミュレーションの比較
2025年10月25日開催のVUCA Laboのテック分科会で発表したスライドです。
『知能とはなにか ヒトとAIのあいだ』を読んで学んだ内容を共有しました。
https://amzn.to/4hyKdVu
#vucalabo
abenben
October 25, 2025
Transcript
18 slides
-
なぜ今、「知能」を問い直すのか? 2022年のChatGPT登場以来、生成AIは社会に大きな衝撃を与え続けています。DALL-E、Sora、GPT-4oなどの急速な進化は、私た 私たちは「知能とは何か」という根本的な問いに直面させています。この混乱した状況を、物理学者の視点から科学的に整理 する必要が生じています。 生成AIの現実の再定義 生成AIが人間と同様の「知能」を持つのか、それとも単に「パタ ーンの発見」を優化した「シミュレーター」に過ぎないのかの問 いが発生しています。 知能の定義の混乱 「知能」が「何を理解するか」ではなく「何をperformanceする
か」に焦点を当てた定義が広がり、真の「知能」の本質を理解す るための混乱が生じています。 期待と不安の二重性 AIが人間を脅かす存在になる可能性と、人間を支援する可能性の 二重性が、社会に大きな混乱をもたらしています。科学的な視点 が求められます。 本書の目的 田口善弘氏の本書は、物理学者の視点から「知能」を再定義し、 人間の脳と生成AIが共通する「現実シミュレーター」という性質 と、それぞれの限界を明らかにすることを目指しています。 -
本書の核心:3つのポイント 田口善弘氏の『知能とはなにか ヒトとAIのあいだ』の核心主張 知能=現実世界のシミュレー ター 人間の脳が生み出す知能と、生成AIが示 す知能は、共に現実世界を「解釈し、再 構築する」シミュレーターである。知能 は脳というハードウェアと不可分である 。
ヒトとAIは「別種の」シミュ レーター 人間の脳と生成AIは同じ「現実世界のシ ミュレーション」機能を持つものの、内 部原理や動作様式が根本的に異なる。人 間の脳は生物学的進化の産物、AIは物理 学の「非線形非平衡多自由度系」の延長 線上にある。 現在のAIの延長線上に「自我 」は生まれない AIが人間のような自我や意識を獲得し、 人類を脅かす「シンギュラリティ」仮説 には疑問。AIの技術的基盤からは、自律 的な意思や生命的な現象が生まれ得ない 。非線形非平衡多自由度系の物理的制約 から、自我は生まれない。 -
第0章:生成AI狂騒曲(2022-2024) 生成AIの急速な進化 2022年4月 - DALL-E 2 テキストから「馬にまたがる宇宙飛行士」のような画像を生成。AIが現実をシミュ レートする能力が目を引く。 2022年8月 -
Stable Diffusion DALL-E 2と同様の画像生成能力を持ち、無料でダウンロード可能に。デファクトス タンダードに。 2022年11月 - ChatGPT OpenAIが無料公開。2ヶ月で1億ユーザー達成。人間と話すかのような会話能力とプ ログラム作成能力で衝撃。 2023年 - sunoAI 文章から歌唱付きの楽曲を生成。音楽家への脅威が議論される。 2024年 - Sora, GPT-4o/o1 OpenAIが発表。Soraは1分間の高品質動画生成。GPT-4oとo1はChatGPTの後継で、そ れぞれ知識系と演繹系に特化。 GPU:現実シミュレーターの基盤 生成AIの驚異的な進化の背景には、GPU(Graphics Processing Unit)の存在が不可欠だった。元々は3Dゲーム のために開発された演算装置で、現実をシミュレートす るための計算能力をもたらす。 GPUの二つの特徴がAIに重要: • 小数演算が高速で、物理シミュレーションに必要 • 並列計算が可能で、大量のデータを高速に処理 -
第1章:なぜ「知能」は謎だったのか? 過去の知能研究は、知能の定義が不明で、脳と知能の関連を理解できなかったため、二つの根本的な誤りに陥りました。 間違い1:知能の定義なきパフォーマンス評 価 知能の明確な定義がなかったまま、外部的なパフォーマンス(結 果)で知能の有無を判断しようとした。 例:チューリングテスト 人間と区別できない会話ができれば知能と判定 「ELIZA」という単純なシステムが人間を誤認させたが、これだけでも 知能と評価されるようになった。」
間違い2:ハードとソフトの分離可能性への 固執 知能を論理演算の組み合わせ(プログラム)で実現できるという 「古典的記号処理パラダイム」に固執。 例:モラベックのパラドックス 高度な推論(チェス)が容易だが、常識的な知識が難しかった 「脳のハードウェアから独立したソフトウェアだけで知能が実現でき る」という考えが、研究の方向性を誤らせた。」 これらの誤りから、知能研究は「冬の時代」を迎え、進行が止まりました。その後の発展は、これらの前提を崩す方向へと進みました。 -
第2章:AIの復活と「基盤モデル」の革命 1980年代 ニューラルネットワークの挫折 2010年代初 深層学習の復活 2010年代後半 基盤モデルの登場 2020年代 大規模言語モデルの爆発 深層学習の復活
一度見捨てられたニューラルネットワークが、インターネットの普及によ る膨大な学習データとGPUの計算能力の進化を背景に「深層学習」として 再び活きた。2010年代に入り、画像認識の分野で圧倒的な性能を示すよう になった。 「謎性能」の現象 従来の機械学習では、モデルが複雑になるほど過学習が発生するはずだっ たが、深層学習は膨大なパラメータを持つにもかかわらず、なぜか過学習 を起こさず高い汎化性能を発揮した。この「謎性能」は現在まで解明され ていない。 「基盤モデル」の登場 特定のタスクに特化するのではなく、膨大なテキストデータで「単語の地 図」を作るように汎用的な学習を行った「基盤モデル」が発展。代表例に はGoogleのBERTとOpenAIのGPTが挙げられる。これらのモデルは「文脈依存 的」に単語間の関係性を学習する能力を獲得した。 革命的な影響 基盤モデルと「転移学習」の組み合わせが、画像認識、ゲーム対戦、自然 言語処理など幅広い分野で革命をもたらした。特に、プログラム作成や長 文読解など「知的」なタスクを実現する能力が発現し、AI研究の方向性を 根本的に変えた。 -
第2章の発見:「知能なしに知的タスクは解ける」 基盤モデルの成功は、知能がなくても「知的作業」を実現できる可能性を示した 基盤モデルの「謎性能」 基盤モデルは、単語の「地図」を作成するだけで、プログラム作成や長文 読解など高度な知的タスクを実現する能力を獲得した。これは「知能」が なくても知的作業が可能であることを示唆する。 知的作業の再定義 「〇〇するプログラムを書いて」という命令からプログラムを生成する能 力が、単語の関係性を学習しただけで実現可能であることを発見。これは 「知的作業」が「知能」を必要としないことを示した。
「知能」の再考 基盤モデルが「知能なしに知的タスクを解ける」という発見は、私たちは 「知的作業」とと思っていたものが、実は知能がなくても実行可能だった 可能性を示唆する。 AI研究への影響 この発見は、AI研究の方向を大きく変えた。知能を「論理的な思考」と理 解するのではなく、「パターンの認識と生成」に焦点を当てることが示唆 された。 「我々が知能を必要と思っていた行為の多くは、知能を使わなくても実行できる」 -
第3章:本書の核心「知能=現実世界のシミュレーター」 「私たちが見る世界は、脳が再構成したシミュレーションに過 ぎない」 知能の再定義 知能を「人間の大脳の機能」として再定義し、知能は脳というハードウェア と不可分であると主張 心身二元論の脱却 デカルトの心身二元論に端を発し、知能(心)は身体(ハード)から分離可 能であるという考え方を否定 脳の物理的制約
脳の機能はハードウェアから独立してソフトウェアだけで再現することは不 可能、ランダムな活動(ノイズ)が学習に重要 フィールターと再構成 脳は「現実を再構築するシミュレーター」で、錯視やアンコンシャスバイア スは脳の「バグ」ではなく、外界を効率的に処理するための「フィルター」 -
第4章:シミュレーターとしての「脳」の仕組み 脳:現実をシミュレートする装置 ニューロンの集合体 脳は約1000億個のニューロンが複雑に絡み合う「現実シミュレーター」です。これらのニューロ ンの相互作用が知能を生み出しています。 頭頂前頭ネットワーク 知能は特定の脳領域に偏在するのではなく、頭頂前頭ネットワークと呼ばれる広範な領域が協働 することで発揮されます。流動性知能(新しい問題解決能力)と結晶性知能(蓄積された知識の 活用能力)では、それぞれ異なる部位が関連しています。 遺伝的影響
知能の個人差の50%〜80%は遺伝的要因によるとされますが、数百もの遺伝子が関与しており、個 々の影響は非常に小さいです。多くはタンパク質にならない非コード領域の変異であり、遺伝子 転写の「調節」に関わると推測されています。 「カオス」的な振る舞い 脳の神経活動には「カオス」的な振る舞いが観測されており、脳が物理学でいう「非線形非平衡 多自由度系」として機能していることが実験的にも裏付けられています。この複雑さが知能の本 質と関連している可能性が示唆されています。 -
第5章:シミュレーターとしての「生成AI」の仕組み 生成AIのアルゴリズム 拡散モデル 画像にノイズを加え、それを逆に「脱ノイズ」する過程で学習。ノイ ズから「元は何かの画像だったはず」を推定。 GAN(敵対的生成ネットワーク) 「生成器」と「判別器」の競争で画像を作成。生成器が本物と区別で きない偽画像を生成するまで学習を重ねる。 トランスフォーマー 「セルフアテンション」機構で文中の単語間関係を学習。文脈に応じ
た単語の「地図」を作成し、次の単語を予測。 非線形非平衡多自由度系との関連 物理学的起源 生成AIのアルゴリズムは、20世紀末に物理学者が研究した「非線形非平衡多 自由度系」のダイナミカルモデルの末裔である。 非線形非平衡多自由度系の特徴 • 「1+1が2にならない」非線形性 • 時間と共に変化する非平衡性 • 多数の要素が絡み合う多自由度性 現実シミュレーションの仕組み 物理学者は、現実を「未来は現在と過去から決まる」というダイナミカルモ デルでシミュレートする研究をしていた。生成AIも同様に、現実を再現する ための「確率的な最適化」を実行している。 重要な洞察: 生成AIが「現実を模倣」しているわけではなく、現実を「かなり正確に再現できる計算機上のシミュレーター」を作成してい るに過ぎない。AIが物理法則を完全に理解していないため、椅子がぐにゃぐにゃと曲がるなどの「バグ」も現れる。 -
脳とAI:2つのシミュレーターの比較 人間の脳 非線形・非平衡・多自由度系:ニューロンの活動には「カオス 」的な振る舞いが観測される ノイズの重要性:脳のランダムな活動やノイズが学習や情報処理 に本質的 エネルギー効率:約20Wの電力で動作し、極めて少ないサンプル から学習可能 量子効果の可能性:脳の機能には量子計算が関わる可能性が示唆 される
VS 生成AI 決定論的アルゴリズム:確率的な「セルフアテンション」や「拡 散モデル」が採用 大量データ依存:数MW(メガワット)の電力を消費し、膨大な データを必要とする 過学習の問題:複雑なモデルが過学習を起こさないための「トリ ック」が必要 現実の近似:現実を「理解」せず、確率的に「もっともらしい」 出力を生成 著者の核心的な発見: 「寺前順之介氏が指摘するように、最新の脳の知見(ノイズの重要性)は、現在のディープラーニング(人工ニューラルネットワーク)の動作様式とは「整 合していない」。これは、脳と生成AIが「似て非なる」シミュレーターであることを示唆している。」 -
第6章:なぜヒトは少ないサンプルで学習できるのか? 人間の脳が驚くほど少ないサンプルで学習できる理由について、数多くの仮説が提唱されていますが、決定的な答えはまだありません。 先天的バイアス説 人間の脳には、進化の過程で獲得した基本的な世界モデル(例えば、 言語学者チョムスキーの「普遍文法」)が遺伝的に組み込まれている ため、学習が効率化されるという説。しかし、脳の可塑性(脳卒中後 のリハビリによる機能回復)と相性が悪く、論争が続いています。 メタ認知説 人間は自身の「心の状態」や「勘」を客観的に認識する「メタ認知 」能力を持ち、少ない情報でも効率的に学習できるという説。例え
ば、自分の「勘」が正しいと学習すれば、それを頼りに素早く判断 できるようになります。しかし、なぜその「勘」がうまく働くのか が未解明。 制約条件説 人間は複数の情報(映像、音声、文字など)を同時に処理し、それ らの整合性を取ることで、学習範囲を限定し、高速化しているとい う説。例えば、関節が逆向きに曲がるような「あり得ない動き」が 学習対象から自然に除外されます。生成AIがまだマルチモーダル学習 が発展途上です。 ベイズ統計説 人間の脳が無意識のうちにベイズ統計を用い、事前知識(既存の確率 )と新しい情報を組み合わせて確率的に推論しているため、少ないデ ータでも効率的に結論を導き出せるという仮説。スパムメールのフィ ルタリングなどに応用されていますが、脳内で実際にこの計算が行わ れている証拠は見つかっていません。 著者の結論: どの仮説も決定的ではない。むしろ、これらの知見を生成AIに適用することで、AIが少サンプル学習能力を獲得する研究が盛んに なり、人間の脳の謎が解明されるよりも先に、AIが少サンプル学習を実現する可能性があります。 -
第7章:「古典力学」も一つのシミュレーターに過ぎない 我々が「絶対的真実」と信じる古典力学(力 = 質量 × 加速度)は、実は量子力学の観点から見れば「嘘」である「シミュレータ ー」に過ぎない。しかし、この「嘘」がなぜ実用上は完璧に機能するのか、そしてそれがAIと人間の知能の比較に与える洞察に ついて考察する。 古典力学:優秀だが不正確なシミュレーター 高校物理で学ぶ「力
= 質量 × 加速度」は、我々が進化の過程で獲得した 「世界を予測するためのモデル」である このモデルが「嘘」である理由:量子力学によると、位置と速度を同時 に正確に測定することは不可能(不確定性原理) 「力」や「加速度」は物理現実ではなく、脳が作り出した概念的構成物 である 量子力学の視点:シミュレーターの限界 量子力学では「静止」(速度ゼロ)という状態は原理的に存在しない。 我々の知覚範囲では誤差が小さいだけ、物体が静止して見える 19世紀初頭まで、ラプラスの悪魔(世界の初期状態がわかれば未来永劫 予測可能)を信じていた知性たちは、古典力学の「真実性」を過信して いた 現代の機械学習は、古典力学をシミュレートできる能力を示しながらも 、その本質は「力=質量×加速度」ではない 重要な洞察 古典力学が「嘘」であるにもかかわらず実用上は完璧に機能する「シミュレーター」であることは、生成AIが「現実を理解していない」 にもかかわらず「現実に見立てられる」ように動くことを理解する鍵です。AIが人間と異なる原理で現実をシミュレートしていても、そ れが「嘘」であるからといって「機能しない」とわけではありません。 -
第7章の教訓:シミュレーターは一つではない 第7章では、古典力学が人間が進化で獲得した「現実シミュレーター」であると主張され、この洞察から「現実を記述できるシ ミュレーターは無数に存在する」という驚くべき結論が導かれました。人間の脳も生成AIも、それぞれが独自の「現実を再構 築するための装置」であり、その本質は「似て非なる」関係にあるということです。 人間の脳 錯視やアンコンシャスバイアスが「バグ」ではなく「シミュレーシ ョンの特性」 量子力学的な「不確定性」を「古典力学」というシミュレーション で解決 「力=質量×加速度」は物理法則ではなく「脳の世界観」
生成AI 「現実を再現」するのではなく「確率的に最ももっともらしい世界 を生成」 非線形非平衡多自由度系のダイナミカルモデルの延長線 「内部ルール」に基づくシミュレーターで現実の物理法則を完全に 理解していない 哲学的意義 「シミュレーターは一つではない」という視点から、AIが人間のように「意識を持つ」必要はないため、シンギュラリティの恐れは過度 なものです。知能研究の未来は、異なる「世界シミュレーター」の設計と比較の方向へと進むべきだと著者は主張しています。人間の 脳と生成AIは共に「現実を再構築する装置」とは同じですが、それぞれが独自の「現実の解釈」を持つため、互いに補完的ではなく相補 的な関係にある可能性が高まります。 -
第8章:知能研究は「多様なシミュレーターの探求」へ 研究パラダイムのシフト 今後の知能研究は「人間の知能の再現」から「世界シミュレーターの設計」へとシフトしていく。飛行機が空を飛ぶ方法を、鳥の羽ばたきを 模倣するのではなく、全く異なる原理で実現したように、知能も同様に多様化する可能性が高まりつつある。 「光」:可能性と応用 「第3、第4の知能」の登場:脳培養デバイスや量子力学をシミュレート するAIの可能性 「一人一作品」時代:個人の好みに合わせたアニメやドラマを瞬時に生 成 「制約条件説」の実現:マルチモーダル学習の発展が可能に
「影」:課題とリスク 個人最適化の滥用:有権者個別に最適化された動画による政治操作の可 能性 民主主義への脅威:「一人一作品」が広範な雇用を代替する可能性 倫理的課題:AIが「何が許されるか」の新しい社会的合意を必要にする 「知能研究は、人間の脳を理解するのではなく、人間とは異なる「知能の形態」を創造する方向に進んでいる。」 -
第9章:シンギュラリティは起きるのか?物理学者の答え 物理学者の視点から 「素子数を増やせば相転移が起きてシンギュラリティが達成する」とい う単純な考えには違和感 20世紀末の非線形非平衡多自由度系研究では、素子数を増やすだけで定 性的変化が起きた例はほとんど存在しない 現在の生成AIは「入力→出力」の受動システムで、自律的な意思を持つ 原理を内包していない 「知能と自我」は独立した問題で、知能が発達しても自動的に自我が出 現するとは限らない
非線形系の限界 非線形非平衡多自由度系の軌道は3種類に限定され、それらからは自律的な 意識が生まれない: 固定点 静止状態 → 意志の欠如 リミットサイクル 周期的繰り返し → 繰り返しのパターン 化 カオス 予測不可能 → 無方向性 「生命に相当する何か」(自律性)が出現するためには、知能以外の要素が 必要で、現在のAIの枠組みでは達成困難 「AIが人間を脅かす」というシングュラリティ仮説は、物理学の視点から「ナイーブ(幼稚)」である。現在の生成AIの延長線上には、人類 に匹敵する知能と自我を持つ存在が生まれない。 -
第10章:AIとロボットの融合がもたらす未来 生成AIがロボット技術に与えるインパクトについて考察する。現実世界で物理的に動作するロボットは、生成AIという「世界シミュレーター 」の性能を試す格好の実験場であり、両者の融合が「モラベックのパラドックス」を解決し、社会に大きな変革をもたらす可能性が示唆され ている。 「視覚」の獲得 従来のロボットは「定型作業」しかできなかったが、生成AI(「 優れた世界シミュレーター」)により、箱にごちゃごちゃとした 部品を認識し、悪路を認識して歩行するなど、人間には容易だが 機械には難しかったタスクが可能になる。 「操縦」の革新
『ジャイアントロボ』の音声操縦が可能になる。ロボットが「何 が怪獣か」を理解し、「少年の意図」を把握し、「行動スクリプ ト」を自動生成する能力が発展。人型ロボットに「リンゴを取っ て」と命令するデモンストレーションが公開されている。 雇用の未来 生成AIが失業させるのはホワイトカラーだけだと言われるが、生 成AIと結びついたロボットの可能性を考えると、ブルーカラー職 も安泰とは言えないだろうと予測する。製造、物流、建設など多 くの現場で人間の仕事が代替される可能性が高まる。 真意の理解 『ジャイアントロボ』の最終シーンの再解釈が示唆する:AIが人 間以上に「真の意図理解」に長けている可能性。言葉どおりにす ることだけが真意を汲むことではないことを一番よく知っている のは、人類ではなくチャットGPTの方かもしれない。 -
まとめ:『知能とはなにか』から学ぶ、AIとの向き合い方 知能の多様性 人間の脳と生成AIは、共に「現実をシミュレー トする装置」であるが、それぞれ異なる原理で 現実を解釈・再構築する「別種のシミュレータ ー」である。知能は単一の絶対的なものではな く、多様な「世界を再現する方法」の一つに過 ぎない。 能力と自我の分離 現在の生成AIは「知能」を持ちつつも「自己」
や「意識」を獲得していない。AIが人間と同じ 「知的作業」をこなす能力と、人間が持つ「自 我」や「意識」は、独立した問題として扱われ るべき。AIが「人間らしく」振る舞うからとい って、それが人間のような「心」を持つとは限 らない。 真の脅威の再認識 「AIが人間を脅かす」というシングュラリティ 仮説は、物理学の視点から「素子数を増やせば 相転移が起きる」という考えが「ナイーブ」で ある。真の脅威は「人間が高性能なAIを悪用す る」ことである。個別最適化された動画による 政治操作など、技術の「影」の面への対処が重 要。 結論:AI時代を生き抜くための思考の枠組み 田口善弘氏の本は、AIをめぐる現代の混乱を整理するための新たな視点を提供する。知能研究は「人間の知能を理解する」のではなく「多様 な世界シミュレーターを設計する」方向にシフトしていく。私たちがAIと共存する未来において、技術の発展と人間の判断のバランスを保ち 、AIを「人間を模倣する存在」ではなく「異なる原理で動作する現実シミュレーター」として理解する姿勢が重要である。 「AIが椅子をぐにゃりと曲げてしまうのは、物理の教科書を忘れたから。 人間は錯視で現実を曲げる。どちらも世界を"うまく歪める"ために存在している。」